才云：在礦井水壩中落地人工智能

趙艷秋

人工智能一定要定制化才能落地。

一條條裝載著烏黑閃亮煤塊的傳送帶從井底向井上不停運(yùn)轉(zhuǎn)。在悠長(zhǎng)、復(fù)雜的傳輸中，不時(shí)會(huì)突發(fā)危險(xiǎn)事件——作業(yè)礦工意外跌入傳送帶，引發(fā)危及生命的事故；異物掉落在傳送帶上，將昂貴的傳輸帶卡住、撐斷……

煤礦管理人員特別需要實(shí)時(shí)、智能化的監(jiān)控系統(tǒng)，幫助他們及時(shí)發(fā)現(xiàn)安全隱患，并快速響應(yīng)。現(xiàn)在，基于人工智能的監(jiān)控方案，能快速識(shí)別出傳送帶上的“非法入侵物”，及時(shí)將報(bào)警圖片發(fā)送給指揮系統(tǒng)，管理者或系統(tǒng)會(huì)立即叫停傳送帶。

在礦井的井上和井下，還有許多類似的“安全禁地”?，F(xiàn)在，安全監(jiān)控智能系統(tǒng)正被快速?gòu)?fù)制到各個(gè)場(chǎng)景下，對(duì)安全事件進(jìn)行識(shí)別、預(yù)警和響應(yīng)。

不僅是煤礦，在很多工業(yè)企業(yè)都有著靠人工很難解決的問(wèn)題。像水電站，當(dāng)蓄水池水位達(dá)到一定高度時(shí)就需要及時(shí)開(kāi)閘泄洪。不久前，一家水電站因?yàn)樾购椴患皶r(shí)，讓下游兩個(gè)村莊遭受水災(zāi)。這家水電站的管理者很頭疼——怎樣才能對(duì)100多米高的水壩中的水位進(jìn)行準(zhǔn)確預(yù)測(cè)，制定合適的泄洪時(shí)間表？

現(xiàn)在，基于人工智能的預(yù)測(cè)系統(tǒng)，通過(guò)學(xué)習(xí)過(guò)去10年甚至更長(zhǎng)時(shí)間的龐大歷史數(shù)據(jù)，包括水壩水位、降雨量、地表干燥度、氣候變化等，來(lái)預(yù)測(cè)未來(lái)一段時(shí)間內(nèi)的水位情況，精度可達(dá)厘米級(jí)，并給出恰當(dāng)?shù)男购闀r(shí)間點(diǎn)。

“人工智能、深度學(xué)習(xí)正在幫助我們解決靠人工很難突破的復(fù)雜場(chǎng)景問(wèn)題和需求?！?才云首席方案架構(gòu)師杜寧說(shuō)。才云科技（Caicloud ）已為上述工業(yè)企業(yè)提供基于人工智能的解決方案。

人人都能用的谷歌開(kāi)源技術(shù)

才云科技是一家創(chuàng)業(yè)公司，成立于2015年，幾位創(chuàng)始人來(lái)自谷歌和亞馬遜。在他們中間，CEO張?chǎng)问窃雀杓汗芾斫M核心成員，曾管理谷歌世界級(jí)的數(shù)據(jù)中心和龐大的服務(wù)器集群；CTO鄧徳源是容器技術(shù)K8開(kāi)源代碼項(xiàng)目全球前十的代碼貢獻(xiàn)者；首席大數(shù)據(jù)科學(xué)家鄭澤宇基于谷歌內(nèi)部深度學(xué)習(xí)系統(tǒng)，提出產(chǎn)品聚類項(xiàng)目，用于銜接谷歌購(gòu)物和谷歌知識(shí)圖譜（Knowledge Graph）數(shù)據(jù)，開(kāi)啟在谷歌搜索頁(yè)面投放谷歌購(gòu)物廣告的業(yè)務(wù)。

“創(chuàng)辦才云很大的契機(jī)是當(dāng)時(shí)Kubernetes技術(shù)開(kāi)源?！编崫捎钫f(shuō)。Kubernetes是谷歌集群管理系統(tǒng)的開(kāi)源版，幾個(gè)月后，谷歌又將其深度學(xué)習(xí)框架TensorFlow開(kāi)源。這些開(kāi)源技術(shù)能從底到上把云計(jì)算和大數(shù)據(jù)很好地融合。而才云的年輕人希望把谷歌技術(shù)分享給更多外部行業(yè)企業(yè)，讓大家享受到技術(shù)福祉。

那么，才云怎樣提供有價(jià)值的服務(wù)呢？ 它希望提供從底到上的整體解決方案——這更有助于大數(shù)據(jù)、人工智能技術(shù)落地。

原來(lái)，Kubernetes開(kāi)源版本僅提供核心技術(shù)——就像一個(gè)新鮮椰子，如果你沒(méi)有工具，是喝不到殼中的椰汁的。于是，才云根據(jù)每家企業(yè)現(xiàn)有的硬件環(huán)境，把Kubernetes需要的計(jì)算、網(wǎng)絡(luò)和存儲(chǔ)資源對(duì)接好。之后，因?yàn)镵ubernetes只能管理一個(gè)集群，才云為企業(yè)搭建“集群聯(lián)邦”，實(shí)現(xiàn)企業(yè)多個(gè)環(huán)境，如開(kāi)發(fā)環(huán)境、測(cè)試環(huán)境、不同子公司的一體化管理。這些服務(wù)幫助企業(yè)將Kubernetes容器技術(shù)落地。

再之后，在基礎(chǔ)設(shè)施之上，TensorFlow落地需要的工作就更重要了。TensorFlow只是一個(gè)非常核心的工具包，它在生產(chǎn)環(huán)境中的穩(wěn)定性，它的調(diào)度、監(jiān)控、用戶管理都還不完善。企業(yè)需要一個(gè)對(duì)TensorFlow設(shè)計(jì)理念有深入了解的團(tuán)隊(duì)，幫他們?cè)谏a(chǎn)環(huán)境中去落地。才云就提供這樣的落地服務(wù)。

深度學(xué)習(xí)像當(dāng)年的Hadoop

為什么深度學(xué)習(xí)生態(tài)還不完善，這是因?yàn)樯疃葘W(xué)習(xí)在全球都還是新興技術(shù)。“現(xiàn)在的TensorFlow，有點(diǎn)類似于2008年的Hadoop，是一個(gè)突破性技術(shù)，但需要付出學(xué)習(xí)成本?！编崫捎钫f(shuō)。

為了幫助大家去熟悉TensorFlow，鄭澤宇出版了第一部TensorFlow中文書(shū)，并與國(guó)內(nèi)高校，如他的母校北大和一些培訓(xùn)機(jī)構(gòu)合作推廣TensorFlow。

除了谷歌的TensorFlow，大企業(yè)相繼對(duì)自身的深度學(xué)習(xí)框架開(kāi)源，包括亞馬遜MXNet、Facebook的Torch以及百度的PaddlePaddle，目的是競(jìng)爭(zhēng)標(biāo)準(zhǔn)，瓜分火熱的深度學(xué)習(xí)市場(chǎng)。

“我們選擇TensorFlow很重要的原因，是底層環(huán)境的Kubernetes和上面的TensorFlow源自谷歌，因此它們也最融合。還有一個(gè)重要原因是TensorFlow在國(guó)內(nèi)呼聲最高，用戶最廣。”鄭澤宇說(shuō)，“你從出書(shū)的情況也能看出幾分，TensorFlow有5本中文書(shū)，Caffe有一本，MXNet我還沒(méi)看到?！?/p>

據(jù)悉，谷歌已有上萬(wàn)個(gè)項(xiàng)目應(yīng)用TensorFlow。而在圖像、機(jī)器人領(lǐng)域應(yīng)用較多的Caffe，廣度上不如TensorFlow。TensorFlow的積累從2011年就開(kāi)始了，比其它深度學(xué)習(xí)平臺(tái)要早幾年。

人工智能落地要定制化

目前，國(guó)內(nèi)外大企業(yè)如谷歌、亞馬遜、阿里云都在提供現(xiàn)成的AI產(chǎn)品，才云這類企業(yè)提供的開(kāi)源AI落地服務(wù)還有價(jià)值嗎？

“大企業(yè)提供的AI針對(duì)的是非常通用的場(chǎng)景?！编崫捎钫f(shuō)。如果企業(yè)的需求能歸納成通用需求，如要用OCR（光學(xué)字符識(shí)別）識(shí)別紙上的文字，可以使用通用AI服務(wù)。但對(duì)于大部分具體行業(yè)中的具體場(chǎng)景，如在昏暗的礦井下識(shí)別異物，通用AI是肯定解決不了問(wèn)題的。

“這就牽扯一個(gè)問(wèn)題，為什么人工智能出來(lái)這么久，但落地不是特別好？這是因?yàn)槿斯ぶ悄苁且环N對(duì)定制化要求非常高的技術(shù)?！编崫捎钫f(shuō)，“至少在三五年內(nèi)，在絕大部分場(chǎng)景下，通用人工智能提供不了幫助。人工智能一定要定制化才能落地。”

這就需要一批提供人工智能服務(wù)的企業(yè)，提供貼合企業(yè)場(chǎng)景的方案，把“智能”落地到業(yè)務(wù)中去——

他們要結(jié)合企業(yè)原有系統(tǒng)，構(gòu)建從底層基礎(chǔ)設(shè)施到上層人工智能算法的整套解決方案。這個(gè)過(guò)程要考慮與原有系統(tǒng)的兼容性，并與原有系統(tǒng)打通。

他們要針對(duì)特定行業(yè)和場(chǎng)景，如煤礦監(jiān)控采集數(shù)據(jù)，訓(xùn)練模型算法。并且還要通過(guò)深度學(xué)習(xí)，加速人工智能方案在不同場(chǎng)景下的遷移，降低成本。

鄭澤宇解釋說(shuō)，在深度學(xué)習(xí)技術(shù)出來(lái)前，人工智能應(yīng)用的場(chǎng)景非常專，遷移很難，甚至不大可能。有了深度學(xué)習(xí)，之前AI系統(tǒng)學(xué)習(xí)到的技能，可以成為新技能的基礎(chǔ)。就像人們學(xué)會(huì)了普通話，再學(xué)一門方言要快得多一樣，現(xiàn)在，才云人工智能技術(shù)處理一個(gè)新場(chǎng)景的時(shí)間是原來(lái)的1/4到1/8，在1個(gè)星期到1個(gè)月之間，這更有利于人工智能落地。

聊出來(lái)的需求

除了要解決技術(shù)落地的挑戰(zhàn)，鄭澤宇他們遇到的另一個(gè)挑戰(zhàn)是找到企業(yè)可能的需求?！耙?yàn)樽黾夹g(shù)比較久，怎么把技術(shù)與企業(yè)的痛點(diǎn)做一個(gè)結(jié)合是件困難的事”。這也是他回國(guó)后做得最多的一件事。

鄭澤宇發(fā)現(xiàn)，國(guó)內(nèi)傳統(tǒng)企業(yè)思想很開(kāi)放，“都在向技術(shù)型企業(yè)轉(zhuǎn)型”。他們會(huì)關(guān)注最新技術(shù)，希望利用新技術(shù)來(lái)解決他們的問(wèn)題。一旦技術(shù)被證明能幫助他們解決問(wèn)題，對(duì)他們的吸引力就很大。

“我現(xiàn)在的方法就是與搞業(yè)務(wù)的人多聊，了解他們最煩惱、最不方便的事，到處多看，這就是找需求的秘籍?！?鄭澤宇說(shuō)。

現(xiàn)在，才云團(tuán)隊(duì)正與一家火電廠探索節(jié)能降耗的解決方案。在谷歌，通過(guò)人工智能技術(shù)，監(jiān)控調(diào)節(jié)數(shù)據(jù)中心制冷設(shè)備的運(yùn)行參數(shù)，一年就能節(jié)省6000萬(wàn)美元。這樣的應(yīng)用理念正被搬到國(guó)內(nèi)。

在這家火電廠，排煙溫度每降低1度，就能節(jié)省1000多萬(wàn)元成本。如何降低排煙溫度問(wèn)題，靠人的經(jīng)驗(yàn)很難解決。“我們利用深度學(xué)習(xí)，分析當(dāng)發(fā)電機(jī)組的哪些閥門和傳感器進(jìn)行調(diào)整，可以把溫度降下來(lái)。”杜寧說(shuō)，目前項(xiàng)目正在進(jìn)展中。